Flan T5 Large Grammar Synthesis Gguf

🚀 flan-t5-large-grammar-synthesis - GGUF

本項目提供 flan-t5-large-grammar-synthesis 的GGUF文件，可用於Ollama、llama.cpp或任何支持GGUF格式t5模型的框架。該模型主要用於語法和拼寫糾正，能有效提升文本的準確性和規範性。

本倉庫主要包含“更高精度”/更大量化的文件，因為此模型的重點在於語法/拼寫糾正，低精度可能會導致糾正錯誤，從而使模型失去作用。

更多詳細信息請參考原倉庫。

📦 安裝指南

無

💻 使用示例

基礎用法

你可以使用 llamafile（或 llama-cli）來使用這些GGUF文件，示例如下：

llamafile.exe -m grammar-synthesis-Q6_K.gguf --temp 0 -p "There car broke down so their hitching a ride to they're class."

它將輸出糾正後的文本：

system_info: n_threads = 4 / 8 | AVX = 1 | AVX_VNNI = 0 | AVX2 = 1 | AVX512 = 1 | AVX512_VBMI = 1 | AVX512_VNNI = 1 | AVX512_BF16 = 0 | FMA = 1 | NEON = 0 | SVE = 0 | ARM_FMA = 0 | F16C = 1 | FP16_VA = 0 | WASM_SIMD = 0 | BLAS = 0 | SSE3 = 1 | SSSE3 = 1 | VSX = 0 | MATMUL_INT8 = 0 | LLAMAFILE = 1 |
sampling:
        repeat_last_n = 64, repeat_penalty = 1.000, frequency_penalty = 0.000, presence_penalty = 0.000
        top_k = 40, tfs_z = 1.000, top_p = 0.950, min_p = 0.050, typical_p = 1.000, temp = 0.000
        mirostat = 0, mirostat_lr = 0.100, mirostat_ent = 5.000
sampling order:
CFG -> Penalties -> top_k -> tfs_z -> typical_p -> top_p -> min_p -> temperature
generate: n_ctx = 8192, n_batch = 2048, n_predict = -1, n_keep = 0


 The car broke down so they had to take a ride to school. [end of text]


llama_print_timings:        load time =     782.21 ms
llama_print_timings:      sample time =       0.23 ms /    16 runs   (    0.01 ms per token, 68376.07 tokens per second)
llama_print_timings: prompt eval time =      85.08 ms /    19 tokens (    4.48 ms per token,   223.33 tokens per second)
llama_print_timings:        eval time =     341.74 ms /    15 runs   (   22.78 ms per token,    43.89 tokens per second)
llama_print_timings:       total time =     456.56 ms /    34 tokens
Log end

高級用法

如果你有GPU，務必在命令中添加 -ngl 9999，這樣可以自動將盡可能多的層放置到GPU上，從而加快推理速度。

🔧 技術細節

無

📄 許可證

本項目採用 Apache-2.0 許可證。

📋 模型信息